CN108108395A - 一种互助导航定位数据可信度评价方法及系统 - Google Patents
一种互助导航定位数据可信度评价方法及系统 Download PDFInfo
- Publication number
- CN108108395A CN108108395A CN201711227086.1A CN201711227086A CN108108395A CN 108108395 A CN108108395 A CN 108108395A CN 201711227086 A CN201711227086 A CN 201711227086A CN 108108395 A CN108108395 A CN 108108395A
- Authority
- CN
- China
- Prior art keywords
- data
- mutual
- mutual navigation
- confidence level
- navigation location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
Abstract
本发明提供一种互助导航定位数据可信度评价方法,包括:在同一时刻接收若干个援助终端发送的若干互助导航定位数据;对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。本发明提供的一种互助导航定位数据可信度评价方法及系统,通过利用援助终端数据信誉度、中间传输节点信誉度和数据支持关系、数据冲突关系进行评价,不依赖先验知识,不依赖前序数据和后续数据的可信度,能够适应互助导航应用场景持续变化。
Description
技术领域
本发明导航定位数据处理领域,更具体地,涉及一种互助导航定位数据可信度评价方法及系统。
背景技术
人们对时空信息存在巨大需求。当前,随着卫星导航、无线通信等技术的迅速发展,各类定位终端、通信终端的推广普及,网络基础设施的不断完善,互助导航定位已走向应用。互助导航定位是指具备导航定位信息的一方,例如:个人、终端设备、网络服务器等向他人或系统共享或发送导航定位信息,本发明将具备导航定位信息的一方称为援助方,将接收的他人或系统称为受助方,使受助方能够据此开展路径规划等后续应用。
与传统的导航定位方法相比,互助导航定位具有成本低廉、灵活机动、更新及时、环境适应性强等优点,因此具有广阔的应用前景。在互助导航定位中,导航定位数据可信度是一个关键问题。如果援助方提供的导航定位数据不可信,或者导航定位数据在传输过程中遭到篡改,将误导受助方,造成受助方后续应用的失败,甚至给受助方带来物理损害。
因此,现在亟须一种互助导航定位数据可信度评价方法及系统,为受助终端快速提供互助导航定位数据可信度评价结果,避免由于数据不可信造成的损失。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种互助导航定位数据可信度评价方法,包括:
步骤S1、在同一时刻接收若干个援助终端发送的若干互助导航定位数据;
步骤S2、对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;
步骤S3、基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
其中,步骤S2之前所述方法还包括:
将同一时刻接收到的所有互助导航定位数据统一到预设的时空坐标系中。
其中,步骤S2中计算所述互助导航定位数据对应的数据来源的可信度,包括:
对于任一援助终端发送的任一互助导航数据,识别所述援助终端的标识ID、发送过程所经历的各个传输节点的标识ID以及所述传输节点的数量;
获取所述援助终端的标识ID对应的援助终端信誉度和所述各个传输节点的标识ID对应的传输节点信誉度;
基于所述传输节点的数量、所述援助终端信誉度以及所述传输节点信誉度,计算所述任一互助导航定位数据对应的数据来源的可信度。
其中,步骤S2中计算所述数据自身的可信度,包括:
对于任一援助终端发送的任一互助导航数据,将同一时刻获取的其他数据分为若干个支持关系数据和若干个冲突关系数据;
计算每一个支持关系数据对应的正面影响因子和每一个冲突关系数据对应的负面影响因子;
基于所述每一个支持关系数据对应的正面影响因子、每一个冲突关系数据对应的负面影响因子以及所述支持关系数据和所述冲突关系数据的数量,计算所述互助导航定位数据对应的数据自身的可信度。
其中,所述对于任一援助终端发送的任一互助导航数据,将同一时刻获取的其他数据分为若干个支持关系数据和若干个冲突关系数据,包括:
对于任一援助终端发送的任一互助导航数据,在所述预设的时空坐标系中计算所述互助导航数据与同一时刻获取的其他数据之间的欧式距离;
将欧式距离小于等于预设阈值的其他数据作为所述支持关系数据,欧式距离大于预设阈值的其他数据作为所述冲突关系数据。
其中,所述计算每一个支持关系数据对应的正面影响因子和每一个冲突关系数据对应的负面影响因子,包括:
基于杰卡德相似系数,计算每一个支持关系数据对应的正面影响因子;
基于欧氏距离与预设阈值的差和所述预设阈值的比值,计算每一个冲突关系数据对应的负面影响因子。
其中,所述方法还包括:
基于联合评价后的所述互助导航定位数据,更新所述互助导航定位数据对应的援助终端信誉度和传输节点信誉度。
根据本发明的第二方面,提供一种互助导航定位数据可信度评价系统,包括:
接收模块,用于在同一时刻接收若干个援助终端发送的若干互助导航定位数据;
计算模块,用于对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;
评价模块,用于基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
根据本发明的第三方面,提供一种计算机程序产品,包括程序代码,所述程序代码用于执行上述所述的一种互助导航定位数据可信度评价方法。
根据本发明的第四方面,提供一种非暂态计算机可读存储介质,用于存储如前所述的计算机程序。
本发明提供的一种互助导航定位数据可信度评价方法及系统,通过利用援助终端数据信誉度、中间传输节点信誉度和数据支持关系、数据冲突关系进行评价,不依赖先验知识,不依赖前序数据和后续数据的可信度,能够适应互助导航应用场景持续变化。
附图说明
图1是本发明实施例提供的一种互助导航定位数据可信度评价方法流程图;
图2是本发明实施例提供的一种互助导航定位数据可信度评价系统结构图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1是本发明实施例提供的一种互助导航定位数据可信度评价方法流程图,如图1所示,所述方法包括:
步骤S1、在同一时刻接收若干个援助终端发送的若干互助导航定位数据;
步骤S2、对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;
步骤S3、基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
目前数据可信度研究主要集中在互联网、大数据、无线传感网络等方面,关于互助导航定位数据可信度的研究很少。
现有技术中常见的有利用贝叶斯滤波策略计算关于车辆状态的可信度,其中,车辆状态转移的概率密度函数为:
其中,p(X(t)|U(t),X(t-1))表示车辆状态转移的概率密度函数,p(Z(t)|X(t))表示车辆状态测量结果的概率密度函数,Z(t)描述车辆上安装的传感器获取的车辆状态测量值。加入噪声干扰后Z(t)=h(X(t))+δ(t),其中,h(X(t))可以视为传感器模型,其输出值为当前时刻下关于车辆状态X(t)的测量值,δ(t)表示传感器测量数据阶段的白噪声。
结合马尔可夫理论后,可以将可信度计算式表示为:
其中,η表示归一化因子,用于将车辆当前状态的可信度归一化到0~1之间。
现有技术采用的贝叶斯估计的方法对于先验知识依赖性较强,且对系统连续性有较强的依赖。专家评价方法必须事先采集大量的专家数据作为评价基准,传感器准确度也必须事先进行标定,评价过程中也需要大量的先验知识,在未知环境下应用效果会大打折扣。
并且,由于受助方自身不具备产生导航定位数据的能力,或者由于物理遮挡、多径效应等条件限制,受助方自身的导航定位数据精度无法满足需求,而周边存在众多援助方,通过网络或者其他传输方式向受助方提供了导航定位数据。现实场景中,大多数受助方不具备导航定位数据比对基准,很多援助方也并非导航专业人士,所提供的导航定位数据质量参差不齐,且由于网络安全问题的存在,援助方提供的导航定位数据的真实性、可靠性无法得到保证。
针对上述现有技术中存在的问题,本发明实施例提供了一种互助导航定位数据可信度评价方法,仅利用某一时刻受助终端接收到的全部互助导航定位数据开展可信度评价,除了援助终端信誉度和中间传输节点信誉度外,不存在与前序数据和后续数据之间的相互影响。针对受助终端每次接收到的互助导航定位数据,均可利用本方法进行可信度评价,进而形成持续性评价。
需要说明的是,本发明实施例的执行主体为受助终端,所述受助终端为自身不具备导航定位能力,而具有接收援助终端互助导航数据能力的终端。所述援助终端即背景技术中所提及的援助方,所述受助终端即背景技术中所提及的受助方。
步骤S1中,所述援助终端即提供互助导航数据给受助终端的终端,所述援助终端自身具有导航定位能力和发送数据能力,可以理解的是,本发明实施例提供的方案是针对某一时刻互助导航数据的评价,不涉及前序时刻和后序时刻的影响。
进一步的,在同一时刻,受助终端会接收到一个或多个援助终端发送的互助导航数据,可以理解的是,每个援助终端在同一时刻也可能发送一个或多个互助导航数据,本发明实施例不对同一时刻所接收的援助终端的数量和接收到的互助导航数据的数量做限定。
步骤S2中,需要说明的是,本发明实施例对互助导航数据的评价是针对于一个援助终端发送的一个互助导航数据进行评价,故在本发明实施例中对于任一援助终端发送的任一互助导航定位数据,均计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度。
进一步的,可以理解的是,不同的数据来源自身具有可信度,发送的数据自身也具有可信度,本发明实施例提供的方案将同时考虑数据来源的可信度和数据自身的可信度,对互助导航数据综合评价。
步骤S3中,所述联合评价的计算式表示为:
其中,Trsti为所述互助导航数据的可信度,TProvi为所述数据来源的可信度,TDatai为所述数据自身的可信度。
那么根据上述表达式,即能计算出每个互助导航数据的可信度,从而选择可信度最高的互助导航数据进行导航。
在上述实施例的基础上,步骤S2之前所述方法还包括:
将同一时刻接收到的所有互助导航定位数据统一到预设的时空坐标系中。
可以理解的是,本发明实施例接收到的互助导航定位数据可以是任意时空坐标系下的数据,但是受助方能够获知数据的坐标系信息,并能够将其统一到同一个时空坐标系下,以避免由于时空坐标系不同导致的可信度评价偏颇。
进一步的,在步骤S1之前,本发明实施例还需清除冗余数据,即针对同一个援助终端提供的多个数据,仅保留最晚版本的数据,清除早期版本数据,以提高可信度,同时降低系统计算开销。
在上述实施例的基础上,步骤S2中计算所述互助导航定位数据对应的数据来源的可信度,包括:
对于任一援助终端发送的任一互助导航数据,识别所述援助终端的标识ID、发送过程所经历的各个传输节点的标识ID以及所述传输节点的数量;
获取所述援助终端的标识ID对应的援助终端信誉度和所述各个传输节点的标识ID对应的传输节点信誉度;
基于所述传输节点的数量、所述援助终端信誉度以及所述传输节点信誉度,计算所述任一互助导航定位数据对应的数据来源的可信度。
可以理解的是,对于接收到的任一互助导航数据,其在传输过程一定是经由援助终端发送,可能经过一个或多个传输节点也可能不经过传输节点到达受助终端,那么通过对援助终端和传输节点进行标识,即可确定互助导航数据的传输路径。
基于确认的传输路径,即可确定该互助导航数据的援助终端ID、经历的传输节点ID以及经历的传输节点数量。
需要说明的是,每一个援助终端ID具有一个援助终端信誉度,每一个传输节点ID也具有一个传输节点信誉度,所述援助终端信誉度为该援助终端提供的所有导航定位数据的可信度的平均值,所述传输节点信誉度为该传输节点传输的所有导航定位数据的可信度的平均值,计算式为:
其中,所述Repvol为援助终端信誉度、Repinter为传输节点信誉度,Numinter为传输节点传输的数据数量、Numvol为援助终端传输的数据数量,Trsti为互助导航数据的可信度。
通过上述援助终端信誉度和传输节点信誉度的计算式,可以理解的是,信誉度的计算过程是一个不断更新迭代的过程,每一次进行可信度评价后都会对援助终端信誉度和传输节点信誉度进行一次计算,保留计算结果作为下次可信度评价时的输入。
对于初次参与可信度评价的援助终端和传输节点,本发明实施例可对其进行初始赋值,一般的将0.5作为其信誉度初始值,但本发明实施例不对赋值的具体方式做限定。
那么,所述数据来源可信度的计算方式为:
其中,所述Numpath为所述传输节点的数量。
需要说明的是,若受助终端接收到的互助导航定位数据中不包括援助终端ID,则在数据可信度计算中可不包括援助终端信誉度。
在上述实施例的基础上,步骤S2中计算所述数据自身的可信度,包括:
对于任一援助终端发送的任一互助导航数据,将同一时刻获取的其他数据分为若干个支持关系数据和若干个冲突关系数据;
计算每一个支持关系数据对应的正面影响因子和每一个冲突关系数据对应的负面影响因子;
基于所述每一个支持关系数据对应的正面影响因子、每一个冲突关系数据对应的负面影响因子以及所述支持关系数据和所述冲突关系数据的数量,计算所述互助导航定位数据对应的数据自身的可信度。
具体的,本发明实施例将某一时刻受助终端接收到的所有导航定位数据之间的关系定义为两种,一种是相互支持的,另一种是相互冲突的。那么对于任一援助终端发送的任一互助导航数据,即可将同一时刻接收到的其他数据分为两类,一类是所述支持关系数据,另一类是所述冲突关系数据。
进一步的,每个支持关系数据都对应一个正面影响因子,所述正面影响因子用于反映所述支持关系数据的支持程度,同理,每个冲突关系数据都对应一个负面影响因子,所述负面影响因子用于反映所述冲突关系数据的冲突程度。
那么基于所述每一个支持关系数据对应的正面影响因子、每一个冲突关系数据对应的负面影响因子以及所述支持关系数据和所述冲突关系数据的数量,即可计算所述数据自身的可信度,计算式如下:
其中,所述Numpos为支持关系数据的数量、Numneg为冲突关系数据的数量,posi,j为正面影响因子、negi,j为负面影响因子。
在上述实施例的基础上,所述对于任一援助终端发送的任一互助导航数据,将同一时刻获取的其他数据分为若干个支持关系数据和若干个冲突关系数据,包括:
对于任一援助终端发送的任一互助导航数据,在所述预设的时空坐标系中计算所述互助导航数据与同一时刻获取的其他数据之间的欧式距离;
将欧式距离小于等于预设阈值的其他数据作为所述支持关系数据,欧式距离大于预设阈值的其他数据作为所述冲突关系数据。
在本发明实施例中,对于支持关系数据和冲突关系的数据采用欧式距离判定的方法,基于预设阈值σcluster,若互助导航定位数据与其他数据之间的欧式距离小于等于预设阈值σcluster,则判定其他数据属于支持关系数据,反之,若欧式距离大于预设阈值σcluster,则判定其他数据属于冲突关系数据。
欧式距离的计算式如下:
其中,Disti,j为欧式距离,(xi,yi,zi)为互助导航数据在预设的时空坐标系中的坐标,(xj,yj,zj)为其他数据在同一时空坐标系下的坐标。
进一步的,若受助终端接收到的互助导航定位数据仅为二维数据,即不包含高度坐标,可将欧式距离简化为:
在上述实施例的基础上,所述计算每一个支持关系数据对应的正面影响因子和每一个冲突关系数据对应的负面影响因子,包括:
基于杰卡德相似系数,计算每一个支持关系数据对应的正面影响因子;
基于欧氏距离与预设阈值的差和所述预设阈值的比值,计算每一个冲突关系数据对应的负面影响因子。
对于正面影响因子,本发明实施例采用了杰卡德相似系数的计算方式来确定,所述杰卡德相似系数主要是通过数据传输路径的相似度,即把两条数据传输路径中的节点看做两个集合,两个集合交集元素在两个集合并集中所占的比例即为传输路径相似度。
传输路径的确认方式在上述实施例中已经描述,本发明实施例在此不再赘述,杰卡德相似系数计算如下:
所述Simi,j为杰卡德相似系数,所述path为传输路径。
需要说明的是,若受助终端接收到的互助导航定位数据中不包括中间传输节点标识信息,则在数据可信度计算中可不包括中间传输节点信誉度,杰卡德相似系数置为0。
进一步的,所述正面影响因子可由下式计算:
其中,posi,j为正面影响因子,TDataj为数据j的可信度。
对于负面影响因子,本发明实施例采用欧氏距离与预设阈值的差和所述预设阈值的比值来计算,计算式为:
其中,Cfti,j为所述负面影响因子,TDataj为数据j的可信度,Disti,j为欧式距离,σcluster为预设阈值。
由上述影响因子的计算式可以发现,在计算正面影响因子时,需要获取其他数据的可信度,鉴于各个互助导航定位数据的可信度在初始阶段都是未知的,因此采用首先初始化赋值,然后逐步迭代的方法进行计算,直至当前接收到的所有互助导航定位数据的可信度变化量可忽略不计。
若能够获知提供数据的援助终端信誉度记录,则将该援助终端信誉度作为互助导航定位数据自身可信度的初始值;若没有该援助终端信誉度记录,优选的,可将0.5作为数据自身可信度的初始值。
在上述实施例的基础上,所述方法还包括:
基于联合评价后的所述互助导航定位数据,更新所述互助导航定位数据对应的援助终端信誉度和传输节点信誉度。
可以理解的是,本发明实施例提供的互助导航定位数据可信度评价方法是一个不断迭代更新的过程,在一次数据可信度评价完成后,根据援助终端提供的数据可信度和中间传输节点传输的数据可信度更新援助终端信誉度和中间传输节点信誉度记录。
本发明实施例提供的互助导航定位数据可信度评价方法首次提出了基于援助终端数据信誉度、中间传输节点信誉度和数据支持关系、数据冲突关系的互助导航定位数据可信度计算方法,该方法不依赖先验知识,不依赖前序数据和后续数据的可信度,能够适应互助导航应用场景持续变化。
图2是本发明实施例提供的一种互助导航定位数据可信度评价系统结构图,如图2所示,一种互助导航定位数据可信度评价系统,包括:接收模块1、计算模块2以及评价模块3,其中:
接收模块1用于在同一时刻接收若干个援助终端发送的若干互助导航定位数据;
计算模块2用于对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;
评价模块3用于基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
具体的如何利用接收模块1、计算模块2以及评价模块3对互助导航定位数据可信度进行评价可参见上述实施例,本发明实施例对此不再赘述。
本发明实施例提供一种互助导航定位数据可信度评价系统,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令以执行上述各方法实施例所提供的方法,例如包括:步骤S1、在同一时刻接收若干个援助终端发送的若干互助导航定位数据;步骤S2、对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;步骤S3、基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:步骤S1、在同一时刻接收若干个援助终端发送的若干互助导航定位数据;步骤S2、对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;步骤S3、基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:步骤S1、在同一时刻接收若干个援助终端发送的若干互助导航定位数据;步骤S2、对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;步骤S3、基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种互助导航定位数据可信度评价方法,其特征在于,包括:
步骤S1、在同一时刻接收若干个援助终端发送的若干互助导航定位数据;
步骤S2、对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;
步骤S3、基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
2.根据权利要求1所述的方法,其特征在于,步骤S2之前所述方法还包括:
将同一时刻接收到的所有互助导航定位数据统一到预设的时空坐标系中。
3.根据权利要求2所述的方法,其特征在于,步骤S2中所述计算所述互助导航定位数据对应的数据来源的可信度,包括:
对于任一援助终端发送的任一互助导航数据,识别所述援助终端的标识ID、发送过程所经历的各个传输节点的标识ID以及所述传输节点的数量;
获取所述援助终端的标识ID对应的援助终端信誉度和所述各个传输节点的标识ID对应的传输节点信誉度;
基于所述传输节点的数量、所述援助终端信誉度以及所述传输节点信誉度,计算所述任一互助导航定位数据对应的数据来源的可信度。
4.根据权利要求3所述的方法,其特征在于,步骤S2中计算所述数据自身的可信度,包括:
对于任一援助终端发送的任一互助导航数据,将同一时刻获取的其他数据分为若干个支持关系数据和若干个冲突关系数据;
计算每一个支持关系数据对应的正面影响因子和每一个冲突关系数据对应的负面影响因子;
基于所述每一个支持关系数据对应的正面影响因子、每一个冲突关系数据对应的负面影响因子以及所述支持关系数据和所述冲突关系数据的数量,计算所述互助导航定位数据对应的数据自身的可信度。
5.根据权利要求4所述的方法,其特征在于,所述对于任一援助终端发送的任一互助导航数据,将同一时刻获取的其他数据分为若干个支持关系数据和若干个冲突关系数据,包括:
对于任一援助终端发送的任一互助导航数据,在所述预设的时空坐标系中计算所述互助导航数据与同一时刻获取的其他数据之间的欧式距离;
将欧式距离小于等于预设阈值的其他数据作为所述支持关系数据,欧式距离大于预设阈值的其他数据作为所述冲突关系数据。
6.根据权利要求5所述的方法,其特征在于,所述计算每一个支持关系数据对应的正面影响因子和每一个冲突关系数据对应的负面影响因子,包括:
基于杰卡德相似系数,计算每一个支持关系数据对应的正面影响因子;
基于欧氏距离与预设阈值的差和所述预设阈值的比值,计算每一个冲突关系数据对应的负面影响因子。
7.根据权利要求3所述的方法,其特征在于,所述方法还包括:
基于联合评价后的所述互助导航定位数据,更新所述互助导航定位数据对应的援助终端信誉度和传输节点信誉度。
8.一种互助导航定位数据可信度评价系统,其特征在于,包括:
接收模块,用于在同一时刻接收若干个援助终端发送的若干互助导航定位数据;
计算模块,用于对于任一援助终端发送的任一互助导航定位数据,分别计算所述互助导航定位数据对应的数据来源的可信度和数据自身的可信度;
评价模块,用于基于所述数据来源的可信度和所述数据自身的可信度,对接收到的所述互助导航定位数据进行联合评价。
9.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711227086.1A CN108108395B (zh) | 2017-11-29 | 2017-11-29 | 一种互助导航定位数据可信度评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711227086.1A CN108108395B (zh) | 2017-11-29 | 2017-11-29 | 一种互助导航定位数据可信度评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108108395A true CN108108395A (zh) | 2018-06-01 |
CN108108395B CN108108395B (zh) | 2020-07-17 |
Family
ID=62208658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711227086.1A Active CN108108395B (zh) | 2017-11-29 | 2017-11-29 | 一种互助导航定位数据可信度评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108395B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109640247A (zh) * | 2018-11-13 | 2019-04-16 | 苏州达家迎信息技术有限公司 | 一种确定位置信息的方法、装置、终端、服务器及系统 |
CN110430526A (zh) * | 2018-12-20 | 2019-11-08 | 西安电子科技大学 | 基于信誉评估的隐私保护方法 |
CN110455304A (zh) * | 2019-08-05 | 2019-11-15 | 深圳市大拿科技有限公司 | 车辆导航方法、装置及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100093368A1 (en) * | 2007-03-16 | 2010-04-15 | Steffen Meyer | Device and Method for Localizing Terminal Devices |
CN105873065A (zh) * | 2016-03-28 | 2016-08-17 | 南京邮电大学 | 基于信任度评估的无线传感网安全定位方法 |
-
2017
- 2017-11-29 CN CN201711227086.1A patent/CN108108395B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100093368A1 (en) * | 2007-03-16 | 2010-04-15 | Steffen Meyer | Device and Method for Localizing Terminal Devices |
CN105873065A (zh) * | 2016-03-28 | 2016-08-17 | 南京邮电大学 | 基于信任度评估的无线传感网安全定位方法 |
Non-Patent Citations (1)
Title |
---|
刘昭斌 等: "基于位置服务室内节点的信道分配模型与可信度评估", 《计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109640247A (zh) * | 2018-11-13 | 2019-04-16 | 苏州达家迎信息技术有限公司 | 一种确定位置信息的方法、装置、终端、服务器及系统 |
CN110430526A (zh) * | 2018-12-20 | 2019-11-08 | 西安电子科技大学 | 基于信誉评估的隐私保护方法 |
CN110455304A (zh) * | 2019-08-05 | 2019-11-15 | 深圳市大拿科技有限公司 | 车辆导航方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108108395B (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107547598B (zh) | 一种定位方法、服务器及终端 | |
CN111896914A (zh) | 一种协同定位方法、装置、设备和存储介质 | |
CN108108395A (zh) | 一种互助导航定位数据可信度评价方法及系统 | |
CN111523143B (zh) | 针对多方的隐私数据进行聚类的方法和装置 | |
CN111209978B (zh) | 三维视觉重定位方法、装置及计算设备、存储介质 | |
CN109655786B (zh) | 移动自组网协作相对定位方法及装置 | |
CN112885099A (zh) | 用于确定车辆轨迹关键点的方法、装置及设备 | |
US20170004400A1 (en) | A genetic method for the acquisition and tracking of time varying signals | |
CN110017840B (zh) | 导航数据的处理方法和装置、电子设备、计算机可读介质 | |
US20220366669A1 (en) | Computer system of unsupervised learning with deep similarity for optical flow estimation and method thereof | |
CN116069933A (zh) | 一种业务风控方法、装置、存储介质及电子设备 | |
CN117235285B (zh) | 融合知识图谱数据的方法及装置 | |
CN113068121A (zh) | 一种定位方法、装置、电子设备及介质 | |
CN113722409A (zh) | 空间关系的确定方法、装置、计算机设备及存储介质 | |
CN110909804B (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN114786127B (zh) | 一种蓝牙aoa的定位方法及装置 | |
CN114117261B (zh) | 轨迹检测方法、装置、电子设备及存储介质 | |
WO2022252482A1 (zh) | 机器人及其环境地图构建方法和装置 | |
CN113905066B (zh) | 物联网的组网方法、物联网的组网装置及电子设备 | |
CN107798020B (zh) | 一种公交路线匹配判断方法及装置 | |
CN111814114A (zh) | 车道定位校验的方法、设备、电子设备、车辆及存储介质 | |
CN111858785B (zh) | 地图离散型要素的匹配方法、装置、系统及存储介质 | |
CN112533137B (zh) | 设备的定位方法、装置、电子设备及计算机存储介质 | |
CN113591017B (zh) | 室内导航的方法、系统、装置及可读存储介质 | |
CN109831737B (zh) | 一种基于置信度的蓝牙定位方法、装置、设备和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |